1、写SQL（很多入职一两年的大数据工程师主要的工作就是写SQL）
2、为集群搭大数据环境（一般公司招大数据工程师环境都已经搭好了，公司内部会有现成的大数据平台，但我这边会私下搞一套测试环境，毕竟公司内部的大数据系统权限限制很多，严重影响开发效率）
3、维护大数据平台（这个应该是每个大数据工程师都做过的工作，或多或少会承担“运维”的工作）
4、数据迁移（有部分公司需要把数据从传统的数据库Oracle、MySQL等数据迁移到大数据集群中，这个是比较繁琐的工作，吃力不讨好）
5、应用迁移（有部分公司需要把应用从传统的数据库Oracle、MySQL等数据库的存储过程程序或者SQL脚本迁移到大数据平台上，这个过程也是非常繁琐的工作，无聊，高度重复且麻烦，吃力不讨好）
6、数据采集（采集日志数据、文件数据、接口数据，这个涉及到各种格式的转换，一般用得比较多的是Flume和Logstash）
7、数据处理
7.1离线数据处理（这个一般就是写写SQL然后扔到Hive中跑，其实和点有点重复了）
7.2实时数据处理（这个涉及到消息队列，Kafka，Spark，Flink这些，组件，一般就是Flume采集到数据发给Kafka然后Spark消费Kafka的数据进行处理）
8、数据可视化（这个我司是用Spring Boot连接后台数据与前端，前端用自己魔改的echarts）
9、大数据平台开发（偏Java方向的，大概就是把开源的组件整合起来整成一个可用的大数据平台这样，常见的是各种难用的PaaS平台）
10、数据中台开发（中台需要支持接入各种数据源，把各种数据源清洗转换为可用的数据，然后再基于原始数据搭建起宽表层，一般为了节省开发成本和服务器资源，都是基于宽表层查询出业务数据）
11、搭建数据仓库（这里的数据仓库的搭建不是指Hive，Hive是搭建数仓的工具，数仓搭建一般会分为三层ODS、DW、DM层，其中DW是最重要的，它又可以分为DWD，DWM，DWS，这个层级只是逻辑上的概念，类似于把表名按照层级区分开来的操作，分层的目的是防止开发数据应用的时候直接访问底层数据，可以减少资源，注意，减少资源开销是减少内存和CPU的开销，分层后磁盘占用会大大增加，磁盘不值钱所以没什么关系，分层可以使数据表的逻辑更加清晰，方便进一步的开发操作，如果分层没有做好会导致逻辑混乱，新来的员工难以接手业务，提高公司的运营成本，还有这个建数仓也分为建离线和实时的）
总之就是离不开写SQL...
以上就是小编为大家整理的大数据工程师的日常工作内容有哪些的具体内容介绍，有想要从事大数据工程师的人员可以来做个相关的学习了解，希望对大家的学习有一定的帮助，想要了解更多大数据学习相关的知识可以继续关注小编为大家带来的后续文章更新。